Even een kleine vraag over een onduidelijkheid ivm het gebruik van OPLS als regressiemodel, voornamelijk wat de werking van het algoritme betreft.
PLS gebruik makend van NIPALS met LOOCV/MCCV laat toe een regressiemodel op te stellen met x componenten kijkend naar het verloop van de SEC. De regressiecoefficienten zijn echter moeilijk interpreteerbaar door orthogonale informatie.
OPLS maakt gebruik van een gemodifieerd NIPALS algoritme waarbij de orthogonale informatie ervan afgetrokken wordt.
Hierbij nu de vraag: Er is wat discussie over het aantal componenten in het OPLS model. Er zijn hier verschillende meningen:
1. Dat OPLS altijd maar met complexiteit van 1 werkt, ook al specifieer je om te werken met meerdere componenten. Maw: OPLS brengt de complexiteit altijd terug naar 1.
2. Dat je eerst de complexiteit van PLS moet bepalen en vervolgens uitrekenen met OPLS. Het algoritme zou dan de SEC geven in functie van het aantal afgetrokken componenten. Dus bvb. PLS met 6 componenten bepaald, dan specifieren voor OPLS met 5 componenten te bepalen, als de uitkomst de betere SEC geeft bij 5, heb je 6-5 = 1 component. Persoonlijk vind ik dit maar een vreemde uitleg, maar wie ben ik
.3. Dat OPLS gewoon werkt zoals PLS. Bepaal je voor 6 componenten te werken, dan wordt de SEC geteld voor 1, 2, 3, 4, 5 en 6 componenten. Het aantal componenten is dan gewoon de betere SEC. Persoonlijk vind ik de meest logische uitleg aangezien je eerst de PLS voor 1 component uittelt, vervolgens voor deze 1 component de orthogonale informatie aftrekt via OPLS en dan met de residuele matrix begint voor component 2.
Referentie
Als iemand hier een uitgesproken mening over heeft: zeer geapprecieerd
